一种基于数据同化的大坝状态预测方法及系统与流程

1.本发明涉及一种基于数据同化的大坝状态预测方法及系统，属于大坝状态预测技术领域。


背景技术：

2.大坝是包括水库和水电站的一种特殊建筑，起到蓄水、防洪和发电等作用，具有显著的社会经济效益。而国内的大坝工程有着点多、面广和量大的特点，一旦发生溃坝等严重事故，将对其下游的群众和环境造成不可估量的破坏，所以必须确保大坝工程的建设质量，维护运行安全。
3.然而大坝工程具有建筑规模大，设计结构复杂，建设服役周期长、运行环境变化多样等特点，其主体材料混凝土也具有水化热释放、干燥收缩和徐变等动态变化的物理性质，这些因素均能影响大坝的位移、应力和应变状态。虽然大坝状态监控方法和系统已相对完备，但多是基于监控的安全阈值确定方法，概括而言，现有的大坝状态预测方法有以下不足：基于统计模型的预测方法，例如神经网络、回归模型和遗传算法等，都属于经验模型或经验分析方法，忽略了大坝承载和温升温降过程中的动态结构力学演化，缺乏真实的物理模型支撑和解释依据，对极端天气等历史上未曾出现的情况无法准确做出预测。
4.基于仿真分析的预测方法，物理解释依据充足，但是大坝结构呈现时空非线性行为，其矩阵分解和求解计算规模大，耗时长；其难点二，计算精度极其依赖混凝土材料本构模型的正确描述，一般只能从原型观测或孪生实验获得模型参数，参数的确定和校准都比较复杂。因此预测难以实时且准确。


技术实现要素：

5.针对现有技术的缺陷，本发明的目的在于提供一种充分考虑混凝土材料随时间的非线性演化特性，通过构建数据同化模型对大坝的混凝土材料线弹性本构参数进行位移反分析；并对数据同化模型引入观测数据进行模型更新，充分考虑数据误差对模型的影响，实时调整数据同化模型的演化方向，以改善数据同化模型的估计精度，有效提高预测模型的预测能力，方案简单、实用的基于数据同化的大坝状态预测方法及系统。
6.为实现上述目的，本发明的第一种技术方案为：一种基于数据同化的大坝状态预测方法，包括如下步骤：第一步：获得大坝的应力和变形位移，作为大坝的初始物理场；第二步：根据第一步中的初始物理场，进行热力耦合计算，获得某时刻的坝体虚拟位移场；第三步：利用第二步中的坝体虚拟位移场与同时刻大坝实际测点的位移量，构建数据同化模型，用以对大坝的混凝土材料线弹性本构参数进行位移反分析；
并对数据同化模型引入观测数据进行模型更新，根据数据误差对模型的影响，实时调整数据同化模型的演化方向，以改善数据同化模型的估计精度；第四步：通过第三步中的数据同化模型，计算材料参数，并根据采集的大坝监测数据，构建预测模型，对大坝状态进行预测。
7.本发明经过不断探索以及试验，充分考虑混凝土材料随时间的非线性演化特性，即随时间变化，其虚拟位移场和实际位移场将存在较大差异的现状，通过构建数据同化模型对大坝的混凝土材料线弹性本构参数进行位移反分析；并对数据同化模型引入观测数据进行模型更新，充分考虑数据误差对模型的影响，实时调整数据同化模型的演化方向，以改善数据同化模型的估计精度，有效提高预测模型的预测能力，方案简单、实用，切实可行。
8.进一步，本发明相对考虑徐变和水化热的非线性计算而言，有效提高了计算效率，并且经过数据同化计算得到的结果在短期预测内能够保证较好的准确性，能够为大坝的实时预警分析提供重要参考数据。
9.更进一步，本发明的某时刻可以为当前时刻，本发明可得到当前时刻同化后的物理场构成大坝的预测模型，可对大坝短期物理状态，进行实时预测；从而支持大坝的安全监测和实时预警，为日常运维和洪水、温度骤升骤降、强降雪等极端天气下的库水位调节提供依据。
10.作为优选技术措施：所述第一步中，应力和变形位移的获取方法如下：基于大坝的设计参数以及弹性材料参数，构建规则的三维结构六面体网格模型，并根据三维结构六面体网格模型建立每一块大坝分段的浇筑模型，用于反映混凝土的水化热反应和干燥收缩过程；根据浇筑模型，对大坝建造过程进行仿真计算，消除不同坝段横缝间的水平应力，得到大坝的应力和变形位移。
11.作为优选技术措施：所述弹性材料参数包括弹性模量、泊松比、热膨胀系数、密度、热导率和比热容，其通过检测大坝的混凝土取样试件得到。
12.作为优选技术措施：所述第二步中，虚拟位移场的获取方法如下：取某时刻大坝监测数据作为开边界条件，根据环境温度、坝前水温、大坝库水位和泥沙淤积的作用，设置坝面温度t
i实际
作为大坝的热源边界，具体以六面体的一次网格为离散单元；并根据大坝存在的水化热反应及自生热源，引入坝体温度h
i实际
和修正值θi，计算得到大坝第i时刻的虚拟温度场t
i虚拟
；将第i时刻的虚拟温度场t
i虚拟
映射至大坝的六面体二次网格作为热边界，设置坝前水位z
i实际
作为大坝的压力边界，仅利用热边界和压力边界作用进行热力耦合分析，计算得到大坝第i时刻的虚拟位移场t
i虚拟
。
13.作为优选技术措施：大坝监测数据包括库水位z
i实际
、坝面温度t
i实际
、坝体温度h
i实际
、坝体位移d
i实际
；库水位z
i实际
，通过水位计测量获得，其误差协方差记为ez；
坝面温度t
i实际
，通过电阻温度计测量获得，其误差协方差记为e
t
；坝体温度h
i实际
，通过分布式光纤测量获得，其误差协方差记为eh；坝体位移d
i实际
，通过静力水准仪和倾角多参数传感器测量和垂线法获得，其误差协方差记为ed；将包括库水位z
i实际
、坝面温度t
i实际
、坝体温度h
i实际
、坝体位移d
i实际
的数据按照空间分布重组，得到大坝第i时刻的数据文件。
14.作为优选技术措施：所述第三步中，数据同化模型为基于三维变分法的代价函数寻优参数反演模型，其构建方法如下：由于混凝土材料随时间的非线性演化特性，第i时刻的虚拟位移场t
i虚拟
和实际位移场d
i实际
将存在较大差异，引入数据同化模型对大坝的混凝土材料线弹性本构参数进行位移反分析；将大坝的初始材料参数作为背景值，其背景误差协方差矩阵设置为初值二次方的对角矩阵，并取某时刻大坝的实际测点位移与参考位移初值的相对量作为观测值，得到观测误差协方差矩阵，并根据设备误差对观测误差协方差矩阵进行调整；同时将初始物理场的热固结构耦合仿真计算作为数据同化模型的代价函数，建立参数优化的数据同化模型；根据各大坝监测数据的误差协方差矩阵，构建完整的背景误差协方差矩和观测误差协方差矩阵，用于分别表述背景信息和观测信息在分析中的可靠程度，其依赖于各自的误差的统计特征，以及不同变量误差之间的关联关系，其具体的计算公式如下：其中，xb为背景值，b为完整的背景误差协方差矩阵，x
i,0
为初猜值，r为完整的观测误差协方差矩阵，ez为库水位z
i实际
误差协方差矩阵，e
t
为坝面温度t
i实际
误差协方差矩阵，eh为坝体温度h
i实际
误差协方差矩阵，ed为坝体位移d
i实际
误差协方差矩阵；虽然提高误差估计精度不能确保每次获得的分析值都是最优的，但是可以使得获得最优结果的概率显著提高；代价函数计算公式如下：其中，y
io
为实际观测值，y
ic
为虚拟观测值，x为大坝的混凝土材料线弹性本构参数，是未知但有界的区间变量。
15.作为优选技术措施：所述混凝土材料线弹性本构参数的计算方法如下：
根据混凝土材料试件判断给出估计范围，记为可行域dn，其具体的表达式如下：式中aj、bj为第j个混凝土材料参数的上下限值，x={xj}；使用非线性单纯形法的搜索法，将估计范围进行调整，构造一步可变允许公差函数序列{φ0≥φ1≥
…
≥φk≥0}，该序列随着迭代搜索次数单调递减趋于零；其中，φk是公差准则函数，其为正值的单纯形顶点的函数，其具体的计算公式如下：式中d为单纯形边长，x
jk
为可行域dn中单纯形体的第j个顶点；对于位移反分析问题，由于代价函数一般为正数，因此可将代价函数改写为公差准则函数和约束破坏估计量t(xk)的不等式：而约束破坏估计量t(xk)表示变量不满足约束的程度，当t(xk)=0时，变量xk是满足所有约束条件；当t(xk)≠0时，在可行域内和近似可行域内，通过逐步迭代寻找t(xk)≤φk，此时收敛速度和可变公差函数序列的递减速度一致。
16.作为优选技术措施：所述第四步中，预测模型能仿真预测某时刻至下一时刻的大坝状态，其构建方法如下：步骤一，基于数据同化模型，获取大坝在第i时刻的同化温度场t
i同化
和同化位移场d
i同化
以及混凝土线弹性本构参数x
同化
={x
j同化
}，作为大坝的预测模型的初始模型物理场和初始参数；步骤二，根据初始模型物理场和初始参数，以及实时采集的大坝的环境温度、坝前水温、库水位，结合有限元分析方法，建立基于数据同化的大坝全局物理状态预测模型；步骤三，根据大坝全局物理状态预测模型预测第i时刻至第i 1时刻的大坝随时间演变的物理量；所述物理量包括温度场、位移场、应力场和应变场；还包括第五步，重复执行第一步到第四步，得到每一次监测之后，更新大坝的短期全局物理状态信息。
17.为实现上述目的，本发明的第二种技术方案为：一种基于数据同化的大坝状态预测系统，应用上述的一种基于数据同化的大坝状态预测方法；其包括网格模型生成模块、监测数据处理模块、有限元计算模块、数据同化计算模块、预测分析模块；
网格模型生成模块，用于基于每一块坝段，坝体上游和下游的水位，以及大坝的基岩，并设定线性单元和二次单元以及网格精细程度，构建大坝的三维结构六面体网格模型；监测数据处理模块，用于读取、存储和预处理大坝每个时刻的监测数据；有限元计算模块，用于将获取边界条件构成三维结构的热力耦合模型，并结合有限元仿真分析，以某时刻作为初始时刻，得到某时刻至下一时刻短周期内大坝的全局物理场随时间变化的信息；数据同化计算模块，用于大坝位移场的数据同化计算，具备三维变分法及数据同化模型，根据实际测点和虚拟测点自适应构造数据同化模型的代价函数，同时提供无约束和约束的隐式非线性优化算法和求解器，加速数据同化的求解过程，最终给出大坝的材料同化参数；预测分析模块，用于预测和分析大坝的物理场信息，利用获取的同化和监测数据，构建某时刻至下一时刻短期的大坝全局状态预测模型，能够输出大坝空间和时间上任意一虚拟测点的温度、位移和应力情况，提供极值和均值的输出，以及预测分析数据的存储功能；利用网格模型生成模块生成大坝的三维结构六面体网格模型，结合监测数据处理模块获取有限元分析和数据同化计算所需的原始数据或已处理数据，通过有限元计算模块进行热固耦合的大坝有限元分析，得到大坝的初始物理场，再经由数据同化计算模块的数据同化模型进行计算；期间调用有限元计算模块进行有限元分析，得到某时刻同化后的物理场构成大坝的预测分析模块，运行预测分析模块进行大坝短期物理状态的实时预测。
18.本发明经过不断探索以及试验，充分考虑混凝土材料随时间的非线性演化特性，即随时时间变化，其虚拟位移场和实际位移场将存在较大差异的现状，通过构建网格模型生成模块、监测数据处理模块、有限元计算模块、数据同化计算模块、预测分析模块，能对在役大坝的实时物理状态进行有效预测，从而支持大坝的安全监测和实时预警，可为日常运维和洪水、温度骤升骤降、强降雪等自然灾害或极端天气下的库水位调节提供依据。
19.进一步，本发明相对考虑徐变和水化热的非线性计算而言，有效提高了计算效率，并且经过数据同化计算得到的结果在短期预测内能够保证较好的准确性，能够为大坝的实时预警分析提供重要参考数据。
20.作为优选技术措施：监测数据包括环境量、变形量，并以时间和空间的方式排序构成原始数据文件存储，同时提供预处理功能；预处理包括平滑插值、回归分析的异常点剔除；环境量包括上游水位、下游水位、气温、降水量、坝前水温、气压；变形量包括坝体表面位移、坝体内部位移和倾斜；所述边界条件包括大坝网格模型和大坝监测信息。
21.与现有技术相比，本发明具有以下有益效果：本发明经过不断探索以及试验，充分考虑混凝土材料随时间的非线性演化特性，即随时时间变化，其虚拟位移场和实际位移场将存在较大差异的现状，通过构建数据同化模型对大坝的混凝土材料线弹性本构参数进行位移反分析；并对数据同化模型引入观测数据进行模型更新，充分考虑数据误差对模型的影响，实时调整数据同化模型的演化方向，以
改善数据同化模型的估计精度，有效提高预测模型的预测能力，方案简单、实用，切实可行。
22.进一步，本发明相对考虑徐变和水化热的非线性计算而言，有效提高了计算效率，并且经过数据同化计算得到的结果在短期预测内能够保证较好的准确性，能够为大坝的实时预警分析提供重要参考数据。
23.更进一步，本发明可得到某时刻同化后的物理场构成大坝的预测模型，可对大坝短期物理状态，进行实时预测；从而支持大坝的安全监测和实时预警，为日常运维和洪水、温度骤升骤降、强降雪等自然灾害或极端天气下的库水位调节提供依据。
附图说明
24.图1为本发明大坝状态实时预测方法的一种流程示意图；图2为本发明进行有限元仿真分析的一种坝体模型示意图；图3为本发明大坝状态实时预测系统的一种结构示意图。
具体实施方式
25.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
26.相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。
27.如图1-图2所示，本发明大坝状态预测方法的一种具体实施例：一种基于数据同化的大坝状态预测方法，包括如下步骤：第一步：获得大坝的应力和变形位移，作为大坝的初始物理场；第二步：根据第一步中的初始物理场，进行热力耦合计算，获得某时刻的坝体虚拟位移场；第三步：利用第二步中的坝体虚拟位移场与同时刻大坝实际测点的位移量，构建数据同化模型，用以对大坝的混凝土材料线弹性本构参数进行位移反分析；并对数据同化模型引入观测数据进行模型更新，实时调整数据同化模型的演化方向，以改善数据同化模型的估计精度；第四步：通过第三步中的数据同化模型，计算材料参数，并根据采集的大坝监测数据，构建预测模型，对大坝状态进行预测。
28.本发明经过不断探索以及试验，充分考虑混凝土材料随时间的非线性演化特性，即随时时间变化，其虚拟位移场和实际位移场将存在较大差异的现状，通过构建数据同化模型对大坝的混凝土材料线弹性本构参数进行位移反分析；并对数据同化模型引入观测数据进行模型更新，充分考虑数据误差对模型的影响，实时调整数据同化模型的演化方向，以改善数据同化模型的估计精度，有效提高预测模型的预测能力，方案简单、实用，切实可行。
29.本发明大坝状态预测方法的一种最佳实施例：
一种基于数据同化的大坝状态预测方法，包括如下步骤：s1：基于大坝的设计参数构建规则的六面体大坝网格单元，考虑结构自重以及混凝土干燥收缩的影响，对大坝建造过程进行仿真计算，消除不同坝段横缝间的水平应力，获得大坝的应力和变形位移，作为大坝的初始物理场。
30.s2：取当前时刻大坝的监测数据作为开边界条件，考虑环境温度、坝前水温、大坝库水位和泥沙淤积的作用，结合大坝的初始物理场进行热力耦合计算，获得当前时刻的坝体虚拟位移场。
31.s3：视大坝的初始材料参数为背景值，其背景误差协方差矩阵设置为初值二次方的对角矩阵，并取当前时刻大坝的实际测点位移与参考位移初值的相对量作为观测值，根据设备误差调整其观测误差协方差矩阵，以考虑初始物理场的热固结构耦合仿真计算作为数据同化模型的代价函数，建立参数优化的数学模型。
32.s4：根据数据同化模型获得的最优材料参数，以及实时采集的大坝监测数据，包括环境温度、坝前水温、库水位等，仿真预测当前时刻至下一时刻的大坝状态。
33.s5：重复执行步骤s2-s4，得到每一次监测更新之后大坝的短期全局物理状态信息。
34.根据大坝的混凝土取样试件，获取弹性材料参数，包括弹性模量，泊松比，热膨胀系数，密度，热导率和比热容。同时结合大坝的几何形状，构建大坝的三维结构六面体网格模型，并以所述三维结构模型构建所述每一块大坝分段的浇筑模型，即混凝土的水化热反应和干燥收缩过程。在混凝土干缩过程中，大坝分段之间的交界面存在应力释放现象，形成位移变形和残余应力。
35.具体地，设置当前大坝的每一个测量时刻编号为i，设置i=0为大坝的初始物理场测量时刻，其对应的状态即s1计算所得。记当i=0时刻的大坝材料参数为背景值xb。
36.假设当前时刻为第i次监测数据更新的时刻。
37.当前时刻大坝的监测数据包括库水位z
i实际
：通过水位计测量获得，其误差协方差记为ez；坝面温度t
i实际
，通过电阻温度计测量获得，其误差协方差记为e
t
；坝体温度h
i实际
，通过分布式光纤测量获得，其误差协方差记为eh；坝体位移d
i实际
，通过静力水准仪和倾角多参数等传感器测量和垂线法获得，其误差协方差记为ed。将上述测量数据按照空间分布重组，得到大坝第i时刻的数据文件。
38.置坝面温度t
i实际
作为大坝的热源边界，具体以六面体的一次网格为离散单元，考虑到大坝的水化热反应等自生热源，引入坝体温度h
i实际
和修正值θi，计算得到大坝第i时刻的虚拟温度场t
i虚拟
。
39.将第i时刻的虚拟温度场t
i虚拟
映射至大坝的六面体二次网格作为热边界，设置坝前水位z
i实际
作为大坝的压力边界，仅考虑热边界和压力边界作用进行热力耦合分析，计算得到大坝第i时刻的虚拟位移场t
i虚拟
。
40.由于混凝土材料随时间的非线性演化特性，第i时刻的虚拟位移场t
i虚拟
和实际位移场d
i实际
将存在较大差异，引入数据同化模型对大坝的混凝土材料线弹性本构进行位移反分析。设置先前所述的背景值xb，背景误差协方差矩阵b。设置初始值为初猜值x
i,0
，考虑各监测数据的误差协方差矩阵构建完整背景误差协方差矩矩阵b和观测误差协方差矩阵r：
其中，背景和观测误差协方差是用于表述背景信息和观测信息在分析中的可靠程度，一般依赖于各自的误差的统计特征，以及不同变量误差之间的关联关系，虽然提高误差估计精度不能确保每次获得的分析值都是最优的，但是可以使得获得最优结果的概率显著提高。
41.设置实际观测值y
io
为大坝的实际位移场di，虚拟观测值y
ic
为大坝的虚拟位移场d
i虚拟
，构建大坝的数据同化模型，即基于三维变分法的代价函数寻优参数反演模型，代价函数j如下式：其中，x为大坝的混凝土材料线弹性本构参数，是未知但有界的区间变量。此处根据混凝土材料试件判断给出估计范围，记为可行域dn即：式中aj、bj为第j个混凝土材料参数的上下限值，x={xj}。使用非线性单纯形法的搜索法，将估计范围进行调整，构造一步可变允许公差函数序列{φ0≥φ1≥
…
≥φk≥0}，该序列随着迭代搜索次数单调递减趋于零。公差准则函数φk是正值的单纯形顶点的函数：式中d为单纯形边长，x
jk
为可行域dn中单纯形体的第j个顶点。
42.对于位移反分析问题，由于代价函数一般为正数，因此可将代价函数改写为公差准则函数φk和约束破坏估计量的不等式：而约束破坏估计量t(xk)表示变量不满足约束的程度，当t(xk)=0时，变量xk是满足所有约束条件；当t(xk)≠0时，在可行域内和近似可行域内，通过逐步迭代寻找t(xk)≤φk，此时收敛速度和可变公差函数序列的递减速度一致。
43.根据上述基于数据同化模型，获取大坝在第i时刻的同化温度场t
i同化
和同化位移场di‍
同
‍
化
以及混凝土线弹性本构参数x
同化
={x
j同化
}，作为大坝的预测模型初始物理场和初始参数。
44.利用实时采集的大坝状态信息建立实时预测模型。具体地，利用第i时刻的实时监测信息，包括坝前水温，气温和上下游水位，结合有限元分析方法，建立基于数据同化的大坝全局物理状态预测模型，用于预测第i时刻至第i 1时刻的大坝随时间演变的温度场、位移场、应力场和应变场等物理场。
45.本发明的预测方法基于大坝的混凝土线弹性本构，相对考虑徐变和水化热的非线性计算而言，有效提高了计算效率，并且经过数据同化计算得到的结果在短期预测内能够保证较好的准确性，能够为大坝的实时预警分析提供重要参考数据。
46.如图3所示，本发明基于数据同化的大坝变形预测系统的一种具体实施例：一种基于数据同化的大坝变形预测系统，包括：网格模型生成模块10，用于基于每一块坝段，坝体上游和下游的水位，以及大坝的基岩，并设定线性单元和二次单元以及网格精细程度，构建大坝的三维结构六面体网格模型；监测数据处理模块20，用于读取、存储和预处理大坝每个时刻的监测信息。监测数据包括上、下游水位，气温，降水量，坝前水温，气压等环境量和坝体表面位移、坝体内部位移和倾斜等变形量，以时间和空间的方式排序构成原始数据文件存储，同时提供平滑插值、回归分析的异常点剔除等预处理功能；有限元计算模块30，用于将获取的大坝网格模型和大坝监测信息等边界条件构成三维结构的热力耦合模型，并结合有限元仿真分析，以当前时刻作为初始时刻，得到当前时刻至下一时刻短周期内大坝的全局物理场随时间变化的信息；数据同化计算模块40，用于大坝位移场的数据同化计算，具备三维变分法等数据同化模型，根据实际测点和虚拟测点自适应构造数据同化模型的代价函数，同时提供无约束和约束的隐式非线性优化算法和求解器，加速数据同化的求解过程，最终给出大坝的材料同化参数；预测分析模块50，用于预测和分析大坝的物理场信息，利用获取的同化和监测数据，构建当前时刻至下一时刻短期的大坝全局状态预测模型，能够输出大坝空间和时间上任意一虚拟测点的温度、位移和应力情况，提供极值和均值的输出，以及预测分析数据的存储功能。
47.从上述技术方案可以看出，本实施例提供了一种基于数据同化的大坝状态实时预测系统，具体为：利用网格模型生成模块10生成大坝的三维结构六面体网格模型，结合监测数据处理模块20获取有限元分析和数据同化计算所需的原始数据或已处理数据，通过有限元计算模块30进行热固耦合的大坝有限元分析，得到大坝的初始物理场，再经由数据同化计算模块40的数据同化模型进行计算。期间调用有限元计算模块30作有限元分析，得到当前时刻同化后的物理场构成大坝的预测分析模块，运行预测分析模块50进行大坝短期物理状态的实时预测。通过上述处理，可对在役大坝的实时物理状态进行有效预测，从而支持大坝的安全监测和实时预警，为日常运维和洪水、温度骤升骤降、强降雪等自然灾害或极端天气下的库水位调节提供依据。
48.应用本发明的一种具体实施例：我国中部某混凝土双曲高拱坝工程，坝体高度103米，坝顶弧长227.9m，集雨面积266.1平方公里，总库容为8257万立方米，电站装机6万千瓦，是当地的重要清洁电力来源之一。拱坝工程于2002年4月开工，2005年9月底完工。坝体材料采用c20w8f50混凝土，浇筑混凝土共210458立方米，13个坝段按二序进行施灌，其坝身相对较薄，容易受水位和气候影响，因此有必要对所述拱坝进行实时监测，预防拱坝发生事故。
49.所述拱坝具备多种监测方式，包括但不限于变形监测、渗漏量监测、坝基扬压力监测、绕坝渗流监测、应力应变监测、基岩变位监测、接缝监测、坝体温度监测、气温监测、水温监测、水位监测等，设置了3个水平观测断面（442米、397米和375米高程）和3个垂直观测断面（5号、8号和11号坝段）。
50.基于上述大坝状态实施预测方法及系统，首先使用网格模型生成模块生成所述拱坝的网格模型，具体如下：1.根据所述拱坝的物理信息和设计参数，使用cad建模工具实现所述拱坝的几何模型绘制：总体呈现规则的六面体，但由于坝址河谷为两岸不对成的“v”形峡谷，几何模型两侧预留宽度不等，同时考虑有限元计算的边缘效应，河床以下的基岩部分延长约1.5倍的坝高长度。
51.2.根据所述拱坝的浇筑过程对cad模型分块，便于六面体网格的自适应生成。
52.3.根据有限元分析的主次对象设置网格划分参数，其中基岩网格密度粗糙，坝体网格密度相对精细。在初次计算的过程中完成网格敏感性分析，获取最优网格划分参数。
53.4.根据上述方法，生成所述拱坝的六面体网格。
54.根据数据同化的基本原理，需要获取所述拱坝的初始物理场作为同化计算的初始条件，因此计算所述拱坝的完工状态，作为初始物理场，具体如下：1.将13个坝段分为奇偶段计算。奇数段为第一序施灌的坝段，偶数段为第二序施灌的坝段。
55.2.根据所述拱坝50个月建设过程中的混凝土试件物性参数曲线，获取各时段的不同坝段的纯弹性参数和混凝土干燥收缩参数：杨氏模量，泊松比，热膨胀系数，热导率，体积比热容，干缩系数，自生收缩系数以及含水率。
56.3.考虑结构自重，根据混凝土水化热模型计算奇数坝段在第二序施灌前的物理场，在消除横缝段的水平应力后，再计算偶数坝段，获取所述拱坝完工时的应力和位移，作为大坝的初始物理场s
初始
和d
初始
，同时记当前所述拱坝各坝段的材料参数数值为背景值xb。
57.利用监测数据处理模块的监测工具及监测数据处理功能，获取第i时刻的各开边界参数以及测量误差协方差矩阵，具体如下：1.垂直位移监测通过“na2 gpm”同等精度的水准仪获取，测量精度为
±
1.0mm；2.水平位移观测通过“徕卡tca1800”同精度的全站仪获取，测量精度为
±
2.0mm；3.温度监测通过电阻式温度计获取，测量精度为
±
1℃，在坝体内部和坝体表面均匀铺设埋点；4.库水位监测通过直立式电子水尺获得，测量精度为
±
1cm；5.将位移、温度和水位监测数据的测量精度作归一化处理，得到各监测数据的误差协方差矩阵：ez、e
t
、eh和ed…
注意所有归一化处理后的协方差与测量数据的积应当在同一数量级，以保证各变量的收敛趋势一致，这样得到的数据同化结果更加可靠；6.将上述测量数据按照所述拱坝的空间分布重组，得到大坝的第i时刻数据文件，存储为通用逗号分隔值csv文件格式。
58.通过读取csv格式文件，取上述第i时刻的所述拱坝的监测数据，调用有限元计算模块的api接口输入，作为所述拱坝的热学边界条件，具体以六面体的一次网格为离散单元，考虑水化热反应等自生性热源，引入坝体温度和修正值，计算得到大坝第i时刻的虚拟温度场t
i虚拟
。其中，修正值设定为每个实际测点和虚拟测点的无偏估计方差。
59.根据力学计算的精度要求，使用二次网格进行热应力和机械应力计算。具体地，将第i时刻的虚拟温度场t
i虚拟
映射至大坝的六面体二次网格作为热边界，设置坝前水位作为大坝的压力边界，仅考虑温度和机械作用进行热力耦合分析，计算得到大坝第i时刻的虚拟
位移场d
i虚拟
。
60.至此，第i时刻所述拱坝的热力耦合计算完成，但由于混凝土材料随时间的非线性演化特性，d
i虚拟
和实际测量位移d
i实际
将存在较大差异，使用数据同化计算模块对大坝的混凝土材料线弹性本构进行基于数据同化计算的位移反分析。具体如下：1.设置先前所述的背景值xb，背景误差协方差矩阵b。选取nmc方法作为背景误差协方差的模拟方法，即使用同一时刻不同预测时效的两个预测值之间的插值作为背景误差，根据经验取15天左右的预测值：式中x
it
为15天同一时刻的预测值；2.设置实际观测值y
io
为大坝的实际位移场d
i实际
，组合各个测量误差协方差矩阵，构建总体测量误差协方差矩阵r：当前所述拱坝的测点共38个，那么r矩阵应当是38
×
38的矩阵；3.虚拟观测值y
ic
为大坝的虚拟位移场d
i虚拟
，构建大坝的数据同化模型，即基于三维变分法的代价函数j作为寻优参数反演模型。注意，计算代价函数j的过程必然引入虚拟测点y
ic
，由有限元仿真计算获取。也就是每一步代价函数j的计算，都需要调用有限元计算模块进行计算；4.其此处根据混凝土材料试件合理给出有限估计范围，记为可行域dn即：式中aj、bj为第j个混凝土材料参数的上下限值，x={xj}。
61.5.构造公差准则函数序列{φ0≥φ1≥
…
≥φk≥0}，该序列随着迭代搜索次数单调递减趋于零，其正值的单纯形顶点的函数。
62.6.设定d为可行域dn中的单纯形边长，x
jk
为可行域dn中单纯形体的第j个顶点。引入并求解约束破坏估计量t(xk)的不等式φ
k-t(xk)≥0，步骤如下：a)给定初值xb和边长d，从xb出发对j(x)进行无约束的单纯形加速法下降迭代；b)以xb为中心点和d为边长计算各单纯形顶点x
1b
、x
2b
、
…
、x
n 1b
的代价函数值j(x
ib
)，i＝1，2，
…
，n＋1，然后求出最优点x
lb
及最差点x
hb
并求出除最差点外所有点的中心点；c)计算最优点x
lb
的t(x
lb
)，检验φ
0-t(x
lb
)≥0是否成立：i.若成立，则x
lb
在可行域dn内或近似可行域内，可以用单纯形法求出新点并以之代替最坏点；ii.若不成立，则由单纯形加速法，极小化t(x
lb
)求出一个点来代替，此时新点满足上述的不等式；
d)将计算从t(x)的极小化搜索转换回到对j(x)的极小化搜索。
63.在新一轮搜索时，令k＝k＋1，程序给定收敛判据ε，并判别φk＜ε是否成立：i.若成立，则输出计算结果，停止极小化搜索；ii.若不成立，则开始新一轮的代价函数j(x)搜索。
64.此时获取大坝在第i时刻的同化温度场t
i同化
和同化位移场d
i同化
以及混凝土线弹性本构参数x
i同化
，调用预测分析模块进行所述拱坝的实时状态预测，具体地，利用第i时刻的实时监测信息，包括坝前水温，气温和上下游水位，结合有限元分析方法，建立基于数据同化的大坝全局物理状态预测模型，用于预测第i时刻至第i 1时刻的大坝随时间演变的温度场、位移场、应力场和应变场等物理场。
65.经过上述步骤后，可在计算机上看到每个时刻所述拱坝的物理场3d云图，云图上标注位移、温度和应力等重要变量的极大值、极小值和全局的均值，以及它们在3d云图上的位置。同时，预测分析模块还可以通过高斯平滑插值计算，支持各个虚拟点的物理量预测，结合监测系统的数据分析，能够为所述拱坝运维的实时安全提供高精度和切实有力的参考依据。另外，还支持极端天气条件的预测，相比传统方法能够更为快速和准确地估计极端天气条件下的大坝全局状态。
66.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
67.本技术是参照根据本技术实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
68.最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。